Environmental controls on snow water equivalent in two sub-Arctic mountain catchments
Notice bibliographique
Résumé
Spatial variability of seasonal snow depth poses a challenge when estimating snow water equivalent (SWE) from in-situ measurements in mountainous areas. Poor accessibility, complex topographic effects and localized microclimates make extrapolation of in-situ SWE measurements to a basin scale difficult. Remotely-sensed passive microwave SWE products are also inaccurate in complex terrain and/or at the forest-alpine tundra transition zone. To address these caveats, we investigated the relative importance of landscape qualities (altitude, slope, aspect, vegetation) and climate (winter temperatures, precipitation) on SWE distribution in two sub-Arctic mountainous catchments in Hemavan, Sweden, and Wolf Creek, Yukon, Canada. The two catchments are comparable, but have contrasted climate regimes. In-situ SWE measurements were made in March-April 2014 across the forest-tundra ecotone in both catchments. These were supplemented with historical snow-survey data since 2012 in Hemavan, and 1993 in Wolf Creek. Pairwise linear regressions of SWE against different landscape factors indicate that overall, altitude exerts the largest control on SWE at both Hemavan and Wolf Creek, but its effect is lesser within individual vegetation zones. In other respects, the two sites differ. SWE is inversely correlated to surface slope at forested sites in Hemavan (R^2 = 0.57, p = 0.25), but not in Wolf Creek. Slope aspect is positively correlated with SWE at forest-tundra transition sites (R^2 = 0.49, p = 0.12) in Wolf Creek, but not in Hemavan. For alpine tundra sites, slope angle strongly influences SWE in Hemavan (R^2 = 0.58, p = 0.24), but only weakly in Wolf Creek (R^2 = 0.05, p = 0.71). We discuss possible causes of these inter-catchment differences, and also evaluate the effect of inter-annual climate variations on SWE distribution at Wolf Creek using the long-term snow-survey record. Finally, we compare and discuss SWE estimates obtained by three different field measurement methods.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».